基于深度学习的婴儿血管瘤皮损图片分析方法及装置

本发明属于医学辅助诊断，具体涉及一种基于深度学习的婴儿血管瘤皮损图片分析方法及装置。

背景技术：

1、婴儿血管瘤(infantile hemangioma,ih)，人群发生率4％-5％，平均每年新增病例约40万。病人数量多、疾病危害大，血管瘤不仅危及患儿的生命，而且可导致严重残疾、永久毁容损害及家长心理危害。

2、目前，具备血管瘤规范诊疗能力的儿童皮肤科医师缺口巨大。同时，不同地区对于婴儿血管瘤的诊疗水平也十分不均衡：大城市较为先进，但边远山区治疗水平落后。另外，血管瘤诊疗涉及的多个学科，如：皮肤科、整形外科、肿瘤科、介入科、儿外科等，不同学科之间对血管瘤类疾病也存在学术认识差异，导致目前不同地区的婴儿血管瘤诊疗水平失衡。特别是婴儿血管瘤的首诊一般由基层皮肤科医师或基层儿科医师进行，因此，如何使基层医师能够对婴儿血管瘤进行正确的辨别、诊断和分类是婴儿血管瘤诊疗中急需解决的问题。

技术实现思路

1、本发明的目的在于提出的一种基于深度学习的婴儿血管瘤皮损图片分析方法及装置，能够有效提高基层医生对复杂疑难婴儿血管瘤的判别和诊断能力。

2、为达到上述发明目的，本发明提出一种基于深度学习的婴儿血管瘤皮损图片分析方法，其中，所述分析方法包括：

3、建立婴儿血管瘤的皮损图像数据库和婴儿血管瘤的诊断特征数据库；

4、基于所述皮损图像数据库和诊断特征数据库构建婴儿血管瘤辅助诊断模型，并对所述婴儿血管瘤辅助诊断模型进行训练；

5、将待诊断病例的皮损图像数据和问诊数据输入训练好的所述婴儿血管瘤辅助诊断模型，得到婴儿血管瘤的智能判别结果。

6、本发明还提出一种基于深度学习的婴儿血管瘤皮损图片分析装置，其中，所述婴儿血管瘤皮损图片分析装置包括：

7、皮损图像输入模块，采集婴儿血管瘤的皮损图像并建立婴儿血管瘤的皮损图像数据库；

8、诊断特征输入模块，采集婴儿血管瘤的诊断特征并建立婴儿血管瘤的诊断特征数据库；

9、诊断模型模块，基于所述皮损图像数据库和诊断特征数据库构建婴儿血管瘤辅助诊断模型；

10、诊断模块，将待诊断的婴儿血管瘤的诊断特征数据和皮损图像数据输入训练好的所述婴儿血管瘤辅助诊断模型，得到婴儿血管瘤的智能诊断结果。

11、本发明还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的基于深度学习的婴儿血管瘤皮损图片分析装置。

12、本发明还提出一种计算机可读存储介质，其中，所述计算机可存储介质存储有计算机程序，所述计算机程度被处理器执行时实现如上所述的基于深度学习的婴儿血管瘤皮损图片分析装置。

13、本发明还提出一种计算机程序产品，其中，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的基于深度学习的婴儿血管瘤皮损图片分析装置。

14、与现有技术相比，本发明具有以下特点和优点：

15、本发明提出的基于深度学习的婴儿血管瘤皮损图片分析方法及装置，可以快速地提高基层医生的诊疗水平，规范基层医生的职业行为，避免过度检查和过度处方。本发明提出的婴儿血管瘤皮损图片分析方法，结合临床获得的婴儿血管瘤图像和问诊资料，便输出智能判别结果，基层医生参考该智能判别结果，便可更加准确地对患者进行诊断及处方。

16、本发明提出的基于深度学习的婴儿血管瘤皮损图片分析方法及装置，可以对容易混淆的疾病，如：鲜红斑痣、静脉畸形、其他血管肿瘤及血管畸形等进行快速识别，进而提高临床医生诊断的准确率，有效避免出现误诊。

17、本发明提出的基于深度学习的婴儿血管瘤皮损图片分析方法及装置，还可研究可根据婴儿血管瘤发生的时间、生长规律、症状、皮肤表现、风险等级、实验室和影像学检查，为自动提供对患者的检查和处方意见提供数据支持。

18、本发明提出的基于深度学习的婴儿血管瘤皮损图片分析方法及装置，将医生的诊断数据科学的分类分型，并进行数字化处理，构建了样本数据库，并通过人工智能等信息技术，打造信息高效共享、交换、分析处理的婴儿血管瘤辅助诊断模型，为明确诊断、优化治疗及提高复杂疑难婴儿血管瘤的诊疗能力提供了可能。

技术特征：

1.一种基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，所述分析方法包括：

2.如权利要求1所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，构建婴儿血管瘤辅助诊断模型，包括：

3.如权利要求2所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，使用不同规则学习算法，构建不同的子诊断模型，并融合各子诊断模型，以构建所述婴儿血管瘤辅助诊断模型。

4.如权利要求3所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，所述规则学习算法包括逻辑回归、决策树、贝叶斯分析和聚类算法。

5.如权利要求1所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，对所述婴儿血管瘤辅助诊断模型进行训练，包括：

6.如权利要求5所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，在深度学习中，总体目标的损失函数表示为：

7.如权利要求1所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，所述婴儿血管瘤皮损图片分析方法还包括：

8.如权利要求7所述的基于深度学习的婴儿血管瘤皮损图片分析方法，其特征在于，所述婴儿血管瘤皮损图片分析方法还包括：

9.一种基于深度学习的婴儿血管瘤皮损图片分析装置，其特征在于，所述婴儿血管瘤皮损图片分析装置包括：

10.如权利要求9所述的婴儿血管瘤皮损图片分析装置，其特征在于，所述婴儿血管瘤皮损图片分析装置包括：

11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一所述的基于深度学习的婴儿血管瘤皮损图片分析装置。

12.一种计算机可读存储介质，其特征在于，所述计算机可存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述的基于深度学习的婴儿血管瘤皮损图片分析装置。

13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述的基于深度学习的婴儿血管瘤皮损图片分析装置。

技术总结
本发明提出一种基于深度学习的婴儿血管瘤皮损图片分析方法及装置，属于医学辅助诊断技术领域，该基于深度学习的婴儿血管瘤皮损图片分析方法包括：建立婴儿血管瘤的皮损图像数据库和婴儿血管瘤的诊断特征数据库；基于皮损图像数据库和诊断特征数据库构建婴儿血管瘤辅助诊断模型，并对婴儿血管瘤辅助诊断模型进行训练；将待诊断病例的皮损图像数据和问诊数据输入训练好的婴儿血管瘤辅助诊断模型，得到婴儿血管瘤的智能判别结果。本发明提出的基于深度学习的婴儿血管瘤皮损图片分析方法及装置，能够有效提高基层医生对复杂疑难婴儿血管瘤的判别能力。

技术研发人员：马琳,李丽,徐子刚,尉莉,张斌,韩晓锋,于鲁
受保护的技术使用者：首都医科大学附属北京儿童医院
技术研发日：
技术公布日：2024/1/14